CN116027659A - 装置、方法以及计算机可读介质 - Google Patents

装置、方法以及计算机可读介质 Download PDF

Info

Publication number
CN116027659A
CN116027659A CN202211324690.7A CN202211324690A CN116027659A CN 116027659 A CN116027659 A CN 116027659A CN 202211324690 A CN202211324690 A CN 202211324690A CN 116027659 A CN116027659 A CN 116027659A
Authority
CN
China
Prior art keywords
model
parameter
value
unit
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211324690.7A
Other languages
English (en)
Inventor
高见豪
山本顺二
小渊惠一郎
鹿子木宏明
古川阳太
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP2021175652A external-priority patent/JP7484868B2/ja
Priority claimed from JP2021191964A external-priority patent/JP7459856B2/ja
Priority claimed from JP2021191945A external-priority patent/JP7517313B2/ja
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of CN116027659A publication Critical patent/CN116027659A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31263—Imbedded learning for planner, executor, monitor, controller and evaluator
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32338—Use new conditions for model, check, calculate if model meets objectives
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32385—What is simulated, manufacturing process and compare results with real process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33027—Artificial neural network controller
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35308—Update simulator with actual machine, control parameters before start simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Feedback Control In General (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

提供一种装置、方法以及计算机可读介质，该装置具有：供给部，其针对操作模型供给状态参数的值，该操作模型相应于与设备相关的状态参数的值被输入而输出设备的控制参数的推荐值；控制参数获取部，其获取相应于供给部对操作模型供给状态参数的值而从该操作模型输出的控制参数的推荐值；获取部，其获取与根据由控制参数获取部获取的推荐值对设备进行了操作的结果相应的模型评价值；以及评价部，其基于模型评价值以及与通过人工操作对设备进行了操作的结果相应的基准评价值，对操作模型进行评价。

Description

装置、方法以及计算机可读介质
技术领域
本发明涉及一种装置、方法以及计算机可读介质。
背景技术
专利文献1中记载有如下内容，即，“执行根据测定数据的输入将表示为了提高由预先设定的报酬函数规定的报酬值而推荐的第1种控制内容的推荐控制参数输出的第1模型的学习处理”。
专利文献1：日本特开2021-086283号公报
专利文献2：日本特开2020-027556号公报
专利文献3：日本特开2019-020885号公报
非专利文献1：高见豪、“プラント制御AIの実現”、横河技报、横河电机株式会社、2020年、Vol.63、第1号、p.33～36
非专利文献2：今井拓司、“横河電機とNAISTが化学プラント
向けに強化学習、少ない試行回数で高度な制御を実現”、日经Robotics、株式会社日经BP，2019年3月号
发明内容
在本发明的第1方式中，提供一种装置。装置可以具有供给部，该供给部针对操作模型供给状态参数的值，该操作模型相应于与设备相关的状态参数的值被输入而输出设备的控制参数的推荐值。装置可以具有控制参数获取部，该控制参数获取部获取相应于供给部对操作模型供给状态参数的值而从该操作模型输出的控制参数的推荐值。装置可以具有获取部，该获取部获取与根据由控制参数获取部获取的推荐值对设备进行了操作的结果相应的模型评价值。装置可以具有评价部，该评价部基于模型评价值以及与通过人工操作对设备进行了操作的结果相应的基准评价值，对操作模型进行评价。
基准评价值可以是基于将人工操作输入至设备的模拟器的结果而计算的。
模型评价值可以是基于将由控制参数获取部获取的推荐值输入至设备的模拟器的结果而计算的。
模型评价值可以是基于与根据推荐值进行了操作的设备相关的参数是否落入于目标范围内而计算的。基准评价值可以是基于与通过人工操作进行了操作的设备相关的参数是否落入于目标范围内而计算的。
装置还可以具有目标范围获取部，该目标范围获取部获取针对与设备相关的多种参数中的由操作者选择的选择参数而由操作者设定的目标范围。
装置还可以具有显示控制部，该显示控制部相应于从多种参数选择出选择参数，对设备的以往操作的该选择参数的值进行显示。
显示控制部可以在以各选择参数为坐标轴的坐标空间对设备的以往操作的各选择参数的值进行显示。
设备可以是进行物品的制造的设备。与设备相关的参数可以是表示物品的品质的指标值或者物品的生产量中的至少1者。
装置还可以具有学习处理部，该学习处理部利用包含状态参数的值以及控制参数的值在内的学习数据而执行操作模型的学习处理。
学习处理部可以利用学习数据、以及由预先设定的报酬函数规定的报酬值而执行操作模型的学习处理。
在本发明的第2方式中，提供一种方法。方法可以具有供给阶段，针对操作模型供给状态参数的值，该操作模型相应于表示与设备相关的状态参数的值被输入而输出设备的控制参数的推荐值。方法可以具有控制参数获取阶段，获取相应于通过供给阶段对操作模型供给状态参数的值而从该操作模型输出的控制参数的推荐值。方法可以具有获取阶段，获取与通过由控制参数获取阶段获取的推荐值对设备进行了操作的结果相应的模型评价值。方法可以具有评价阶段，基于模型评价值、以及与通过人工操作对设备进行了操作的结果相应的基准评价值，对操作模型进行评价。
在本发明的第3方式中，提供一种记录有程序的计算机可读介质。程序使计算机作为如下供给部起作用，即，针对操作模型供给状态参数的值，该操作模型相应于与设备相关的状态参数的值被输入而输出设备的控制参数的推荐值。程序使计算机作为如下控制参数获取部起作用，即，获取相应于供给部对操作模型供给状态参数的值而从该操作模型输出的控制参数的推荐值。程序使计算机作为如下获取部起作用，即，获取与根据由控制参数获取部获取的推荐值对设备进行了操作的结果相应的模型评价值。程序使计算机作为如下评价部起作用，即，基于模型评价值以及与通过人工操作对设备进行了操作的结果相应的基准评价值，对操作模型进行评价。
此外，上述发明的概要并未举出本发明的全部必要特征。另外，上述特征组的子组成要素也能够构成发明。
附图说明
图1表示实施方式所涉及的系统1。
图2表示操作模型401的数据结构。
图3表示行动决定表。
图4表示操作模型401的学习动作。
图5表示操作模型401的其他学习动作。
图6表示目标设定模型414的学习动作。
图7表示操作模型401的评价动作。
图8表示设备2的操作动作。
图9表示变形例所涉及的目标设定模型414A。
图10表示可以使本发明的多个方式全部或一部分实现具体化的计算机2200的例子。
具体实施方式
下面，通过发明的实施方式对本发明进行说明，下面的实施方式不对权利要求书所涉及的发明进行限定。另外，实施方式中说明的特征的所有组合对于发明的解决方法并非必不可少。
[1.系统]
图1表示本实施方式所涉及的系统1。系统1具有设备2以及装置4。此外，图中的模块是分别在功能上分离的功能模块，可以不与实际的装置结构一致。即，在本图中，作为1个模块而示出，但其也可以不由1个装置构成。另外，在本图中，作为不同的模块而示出，但其也可以不由不同的装置构成。
[1.1.设备2]
设备2是具有1个或多个仪器(未图示)的设施、装置等。例如，设备2可以是工厂，也可以是多个仪器复合而成的复合装置。作为工厂，除了化学、生物等的工业工厂以外，还能举出对气田、油田等的井口、其周围进行管理控制的工厂、对水力/火力/原子能等的发电进行管理控制的工厂、对太阳能、风力等的环境发电进行管理控制的工厂、对上下水、堤坝等进行管理控制的工厂等。
各仪器是器件、机械或者装置，例如可以是对设备2的过程的压力、温度、pH、速度、流量等至少1个物理量进行控制的阀、泵、加热器、风扇、电机、开关等致动器。各仪器的种类可以互不相同，也可以至少一部分的大于或等于2个的仪器的种类相同。各仪器可以由装置2以有线或无线方式进行控制。
可以在设备2设置1个或多个传感器(未图示)。各传感器进行与设备2相关的状态的测量或判别。各传感器可以进行设备2的生产量、混入的杂质的比例、各控制对象的运转状况、警报的产生状况等操作状态的测量或判别。作为一个例子，仪器的运转状况可以由仪器控制的压力、温度、pH、速度、流量等至少1个物理量表示。各传感器可以将测量或判别的结果供给至装置2。
[1.2.装置4]
装置4可以利用对设备2进行操作的操作模型401而对设备2进行操作，也可以具有操作模型401、操作部402以及参数获取部403。另外，装置4可以进行操作模型401的学习处理，也可以具有输入部411、存储部412、第2学习处理部413、目标设定模型414、第1供给部415、第2获取部416以及第2供给部417。另外，装置4可以进行目标设定模型414的学习处理，也可以具有第1获取部421以及第1学习处理部422。另外，装置4可以进行操作模型401的评价，也可以具有模拟器431、显示控制部432、目标范围获取部433、评价值获取部434以及评价部435。
[1.2.1.操作模型401]
操作模型401是用于对设备2进行操作的模型。操作模型401可以相应于与设备2相关的状态参数的值被输入而输出设备2的控制参数的推荐值。操作模型401可以将控制参数供给至操作部402。
操作模型401可以相应于状态参数的值被输入而输出接近与将与设备2相关的状态用于该操作模型401的学习的目标设定数据的内容相应的状态的控制参数的推荐值。目标设定数据可以包含与设备2相关的参数中的设为目标范围的设定对象的参数的识别信息、以及针对该参数而设定的目标范围。目标设定数据可以仅包含参数的识别信息以及目标范围的1个组合，也可以包含多个组合。
与设备2相关的参数可以包含与设备2相关的状态参数、以及设备2的控制参数。与设备2相关的状态参数可以包含设备2的状态参数、以及基于设备2的操作得到的生产物的状态参数(也称为性能参数)。设备2的状态参数例如可以是压力、流量、温度、pH、速度、耗电量、浓度等。设备2的状态参数可以是与设备2的消耗能量相关的参数，也可以是与温室效应气体的排出量相关的参数，还可以是与成品率相关的参数。生产物的状态参数例如可以是表示品质的指标值(也称为品质值)、生产量等。品质值例如可以是表示生产物的纯度、浓度、组成、粘度、色彩等的值。控制参数例如可以是阀的操作量等。此外，在本实施方式中，作为一个例子，目标范围的设定对象的参数可以是与设备2相关的状态参数。
[1.2.2.操作部402]
操作部402利用操作模型401对设备2进行操作。操作部402可以是控制参数获取部的一个例子，可以根据后述的参数获取部403对操作模型401供给状态参数的值的情况而获取从该操作模型401输出的控制参数的推荐值。操作部402可以利用从操作模型401输出的控制参数对设备2的各仪器进行控制，由此对设备2进行操作。操作部402可以将从操作模型401输出的控制参数的推荐值供给至模拟器431并模拟设备2的操作。
此外，操作部402可以根据经由输入部411输入的人工操作而对设备2进行操作。操作部402可以将与人工操作相应的控制参数供给至模拟器431并模拟设备2的操作。
[1.2.3.参数获取部403]
参数获取部403获取与设备2相关的参数。参数获取部403可以从操作部402获取设备2个控制参数。参数获取部403可以从设备2获取与设备2相关的状态参数(在本实施方式中，作为一个例子为生产物的状态参数以及设备2的状态参数)。但是，参数获取部403可以从设备2获取设备2的控制参数，也可以从操作者获取生产物的状态参数。另外，在利用模拟器431进行设备2的模拟的情况下，参数获取部403可以从模拟器431获取与模拟的设备2相关的参数中的与设备2相关的状态参数。
参数获取部403可以将获取到的各参数存储于存储部412。参数获取部403可以是供给部的一个例子，也可以针对操作模型401而供给状态参数的值。
[1.2.4.输入部411]
输入部411从操作者接受各种输入操作。输入部411可以从操作者接受设备2的操作计划的输入操作。另外，输入部411可以从操作者接受目标设定数据的输入操作。在目标设定模型414的学习处理未完毕的情况下，可以相关联地输入操作计划以及目标设定数据。
这里，设备2的操作计划可以表示由设备2生产的物品的生产计划量、目标品质以及材料种类中的至少1种。设备2的操作计划可以表示设备2的能效、耗电量、成品率、温室效应气体的排出量等其他内容。
输入部411可以将输入的操作计划以及目标设定数据存储于存储部412。输入部411可以将输入的目标设定数据供给至第2学习处理部413。输入部411可以将输入的操作计划供给至第1供给部415。
[1.2.5.存储部412]
存储部412对各种数据进行存储。存储部412可以对由参数获取部403获取到的各参数进行存储。另外，存储部412可以对由输入部411输入的目标设定数据、以及设备2的操作计划进行存储。存储于存储部412的目标设定数据可以是用于操作模型401的学习的数据，作为一个例子，也可以是由熟练的操作者设定的数据。此外，在对后述的目标设定模型414供给操作计划而生成目标设定数据的情况下，存储部412可以进一步对该目标设定数据以及操作计划进行存储。存储于存储部412的数据可以用于第1学习处理部422以及第2学习处理部413的学习处理。
[1.2.6.第2学习处理部413]
第2学习处理部413利用包含与设备2相关的状态参数的值以及设备2的控制参数的值在内的学习数据，以相应于状态参数的值被输入而输出控制参数的推荐值的方式执行操作模型401的学习处理。第2学习处理部413使用的学习数据所包含的状态参数以及控制参数的种类，可以在由参数获取部403获取的参数中由操作者任意地选择。
第2学习处理部413可以通过强化学习进行操作模型401的学习处理。例如，第2学习处理部413可以利用学习数据以及由预先设定的报酬函数规定的报酬值而执行操作模型401的学习处理。
第2学习处理部413还可以利用目标设定数据进行操作模型401的学习处理，以相应于状态参数的值被输入而输出使得与设备2相关的状态接近与该目标设定数据的内容相应的状态的控制参数的值输出的方式进行学习处理。在该情况下，第2学习处理部413可以利用由报酬函数规定的报酬值进行学习处理，该报酬函数是基于目标设定数据的内容设定的。
例如，报酬函数可以是如下函数，即，在与利用从操作模型401输出的控制参数进行了操作的设备2相关的状态参数的值满足目标设定数据的内容的情况下将报酬值设为1，在不满足的情况下将报酬值设为0。另外，报酬函数可以是如下函数，即，相应于与利用从操作模型401输出的控制参数进行了操作的设备2相关的状态参数的值偏离目标设定数据的目标范围的程度使报酬值变化。作为一个例子，报酬函数可以是由下式(1)表示的函数。
报酬值＝a＊节能指标-b＊品质值的偏离度(1)
此外，式(1)中的“a”、“b”可以是系数。“节能指标”是指表示设备2的节能程度的指标，可以是根据设备2的状态参数计算出的值。“品质值的偏离度”可以是生产物的品质值从目标设定数据的品质值的目标范围偏离的大小。
[1.2.7.目标设定模型414]
目标设定模型414相应于操作计划被输入，输出应当用于操作模型401的学习的目标设定数据中的、参数的识别信息或者目标范围中的至少一者。在本实施方式中，作为一个例子，目标设定模型414可以输出参数的识别信息以及目标范围这两者。目标设定模型414可以仅输出参数的识别信息以及目标范围的1个组合，也可以输出多个组合。
[1.2.8.第1供给部415]
第1供给部415相应于设备2的操作计划被输入而对目标设定模型414供给该操作计划。第1供给部415相应于针对输入部411输入新的操作计划而将该新的操作计划供给至目标设定模型414。由此，将与操作计划相应的数据从目标设定模型414输出。
[1.2.9.第2获取部416]
第2获取部416获取来自由第1供给部415供给了操作计划的目标设定模型414的输出数据。在本实施方式中，作为一个例子，第2获取部416可以从目标设定模型414获取参数的识别信息以及目标范围这两者作为输出数据。第2获取部416可以将获取到的输出数据供给至第2供给部417。
[1.2.10.第2供给部417]
第2供给部417对第2学习处理部413供给与由第2获取部416获取到的输出数据相应的目标设定数据。由此，利用从第2供给部417供给的目标设定数据进行操作模型401的学习处理。
此外，在本实施方式中，作为一个例子，来自目标设定模型414的输出数据包含参数的识别信息以及目标范围这两者。因此，第2供给部417可以将输出数据直接作为目标设定数据而供给至操作模型401。
[1.2.11.第1获取部421]
第1获取部421获取设备2的操作计划、以及用于操作模型401的学习的目标设定数据中的至少参数的识别信息。在本实施方式中，作为一个例子，第1获取部421可以获取目标设定数据中的参数的识别信息以及目标范围这两者。第1获取部421可以将获取到的数据供给至第1学习处理部422。
[1.2.12.第1学习处理部422]
第1学习处理部422利用包含第1获取部421获取到的参数的识别信息以及操作计划在内的学习数据，进行目标设定模型414的学习处理。
第1学习处理部422通过深度学习等有教师学习进行目标设定模型414的学习处理，但也可以通过其他机器学习的方法进行目标设定模型414的学习。例如，第1学习处理部422可以利用包含用于操作模型401的学习的目标设定数据的参数的识别信息、以及与该目标设定数据相关联地输入的操作计划在内的学习数据，进行目标设定模型414的学习处理。在本实施方式中，作为一个例子，第1学习处理部422可以利用包含由熟练的操作者设定而用于操作模型401的学习的目标设定数据的参数的识别信息、以及与该目标设定数据相关联地输入的操作计划在内的学习数据，进行目标设定模型414的学习处理。
第1学习处理部422可以以使得来自目标设定模型414的输出数据的内容与用于操作模型401的学习的目标设定数据的内容相似的方式，进行目标设定模型414的学习处理。另外，第1学习处理部422可以针对目标设定模型414，以相应于操作计划被输入而输出为了达成该操作计划应当用于操作模型401的学习的目标设定数据的参数的识别信息、目标范围的方式进行学习处理。
第1学习处理部422可以利用还包含第1获取部421获取到的参数的目标范围在内的学习数据，进行目标设定模型414的学习处理。即，第1学习处理部422可以利用包含用于操作模型401的学习的目标设定数据的参数的识别信息以及目标范围在内的学习数据，进行目标设定模型414的学习处理。第1学习处理部422可以针对目标设定模型414，以相应于操作计划被输入而输出为了达成该操作计划应当用于操作模型401的学习的目标设定数据中的参数的识别信息以及目标范围这两者的方式进行学习处理。
[1.2.13.模拟器431]
模拟器431对设备2的状态进行模拟。模拟器431可以是从设备2的稳定状态起直至停止为止而动态地模拟的动态模拟器，也可以是模拟设备2的稳定状态的静态模拟器。
模拟器431可以模拟与基于从操作部402供给的控制参数的值而进行了操作的设备2相关的状态。从操作部402供给的控制参数的值可以是从操作模型401输出的控制参数的推荐值，也可以是与人工操作相应的控制参数。模拟器431可以将与模拟器中被操作的设备2相关的参数(在本实施方式中，作为一个例子，为与设备2相关的状态参数)供给至评价值获取部434以及参数获取部403。
[1.2.14.显示控制部432]
显示控制部432使未图示的显示装置对各种信息进行显示。例如，显示控制部432可以对第2获取部416从目标设定模型414获取的参数的识别信息、目标范围进行显示。另外，显示控制部432可以从存储部412读出由参数获取部403获取的各参数而进行显示。显示控制部432可以相应于操作者从与设备2相关的多种参数选择任意参数(也称为选择参数)而对设备2以往操作的该选择参数的值进行显示。
此外，在设备2进行物品的制造的情况下，在显示控制部432、后述的目标范围获取部433、评价值获取部434以及评价部435中，与设备2相关的参数可以是与生产物相关的状态参数，在本实施方式中，作为一个例子，可以是表示生产物的品质的指标值或者生产物的生产量中的至少1者。在此基础上或者取而代之地，与设备2相关的参数可以是设备2的状态参数(作为一个例子，为设备2的能效、耗电量等)，也可以是设备2的控制参数。
[1.2.15.目标范围获取部433]
目标范围获取部433针对由操作者选择的选择参数，获取为了评价操作模型401而由操作者设定的目标范围(也称为评价用目标范围)。例如，目标范围获取部433可以基于由显示控制部432针对各选择参数而显示的以往的操作值，获取由操作者设定的评价用目标范围。目标范围获取部433可以将获取到的评价用目标范围供给至评价值获取部434。
此外，评价用目标范围可以与用于操作模型401的学习的目标设定数据内的目标范围相同，也可以不同。另外，设定评价用目标范围的参数可以与用于操作模型401的学习的目标设定数据内的参数相同，也可以不同。
[1.2.16.评价值获取部434]
评价值获取部434获取与利用由操作部402从操作模型401获取的推荐值对设备2进行了操作的结果相应的模型评价值。评价值获取部434可以将获取到的模型评价值供给至评价部435。
模型评价值可以是用于评价操作模型401的评价值。在本实施方式中，作为一个例子，模型评价值可以基于与通过从操作模型401输出的推荐值而进行了操作的设备2相关的参数是否落入于评价用目标范围进行计算。此外，模型评价值可以是与第2学习处理部413在操作模型401的强化学习中使用的报酬值相同的值，也可以是不同的值。
另外，评价值获取部434还可以获取与通过人工操作(作为一个例子，为熟练的操作者的操作)对设备2进行了操作的结果相应的基准评价值。评价值获取部434可以将获取到的基准评价值供给至评价部435。
基准评价值可以是模型评价值的基准值。可以基于与通过人工操作进行了操作的设备2相关的参数是否落入于目标范围内，与模型评价值同样地对基准评价值进行计算。
[1.2.17.评价部435]
评价部435基于模型评价值以及基准评价值对操作模型401进行评价。评价部435可以基于模型评价值与基准评价值的对比结果对操作模型401进行评价。例如，在模型评价值是比基准评价值更好的值的情况下，评价部435可以进行操作模型401良好这一状况的评价。评价部435可以将评价结果输出至显示控制部432等。
根据以上装置4，目标设定模型414相应于操作计划被输入，输出应当用于操作模型401的学习的目标设定数据中的参数的识别信息或者目标范围的至少一者。另外，利用包含设备2的操作计划、以及用于操作模型401的学习的目标设定数据中的至少参数的识别信息在内的学习数据而进行目标设定模型414的学习处理。因此，能够使得来自目标设定模型414的输出数据(这里为参数的识别信息或者目标范围的至少一者)的内容与为了达成操作计划在操作模型401的学习中使用的目标设定数据的内容相似。因而，通过利用来自目标设定模型414的输出数据进行操作模型401的学习处理，能够生成进行与操作计划相应的适当的操作的操作模型401。
另外，利用目标设定数据，以相应于状态参数的值被输入而输出使得与设备2相关的状态接近与该目标设定数据的内容相应的状态的控制参数的值的方式进行操作模型401的学习处理。因此，能够生成在适当的操作状态下进行设备2的操作的操作模型401。
另外，相应于新的操作计划被输入，将该操作计划供给至目标设定模型414，利用与来自目标设定模型414的输出数据相应的目标设定数据而进行操作模型401的学习处理。因此，每当变更操作计划时，利用与操作计划相应的目标设定数据而进行操作模型401的学习处理，能够生成进行与操作计划相应的适当操作的操作模型401。
另外，基于与利用从操作模型401输出的控制参数的推荐值对设备2进行了操作的结果相应的模型评价值、以及与通过人工操作对设备2进行了操作的结果相应的基准评价值，对操作模型401进行评价。因此，能够统一地判断利用操作模型401得到的操作结果的优劣、进而操作模型401的优劣。
另外，基于与利用从操作模型401输出的控制参数的推荐值进行了操作的设备2相关的参数是否落入于操作模型401的评价用目标范围内，对模型评价值进行计算，基于与通过人工操作进行了操作的设备2相关的参数是否落入于评价用目标范围内，对基准评价值进行计算。因此，能够更进一步统一地判断利用操作模型401得到的操作结果的优劣。
另外，关于与设备2相关的多种参数中的由操作者选择的选择参数，获取由操作者设定的评价用目标范围，因此能够针对任意参数而设定任意的评价用目标范围。因此，能够任意地设定操作结果的评价基准。
另外，相应于从多种参数选择出选择参数而对设备2的以往的操作下的该选择参数的值进行显示，因此能够基于以往的选择参数的值对评价用目标范围进行设定。
另外，在操作模型401的评价中，与设备2相关的参数是表示设备2的生产物的品质的指标值或者生产物的生产量的至少1者，因此能够获取将提高了生产量、品质的操作模型401评价为良好的操作模型401的评价结果。因此，通过利用评价较高的操作模型401而能够提高生产量、品质。
另外，由第2学习处理部413利用包含状态参数的值以及控制参数的值在内的学习数据而执行操作模型401的学习处理，因此能够针对评价较低的操作模型401进行学习处理而获得评价较高的操作模型401。
另外，利用学习数据以及由预先设定的报酬函数规定的报酬值而执行操作模型401的学习处理，因此能够可靠地获得评价较高的操作模型401。
[2.操作模型401]
图2表示操作模型401的数据结构。操作模型401具有由表示采样的状态数据的集合的状态s和各状态下采取的行动a的组合(s，a)、以及根据报酬计算出的权重w构成的数据结构。此外，这种权重可以基于由利用目标设定数据的报酬函数规定的报酬而决定。在本图中，作为一个例子，示出了状态s＝(TI001，TI002，TI003，FI001，FI002，VI001)的情况。而且，在本图中，例如，在s＝(-2.47803，-2.48413，-0.07324，29.71191，24.2511，70)的状态下采取了a＝1的行动的情况下，意味着根据报酬计算出的权重为w＝144.1484。根据这种操作模型401而决定接下来的行动。
图3表示行动决定表。行动决定表由输入的状态s以及能够采取的行动a构成。在本图中，作为一个例子，示出了输入的状态为s＝(0.1，0.2，0.4，0.3，0.8，0.2)、能够采取的行动为a＝(-3，-1，0，1，3)这5个的情况。例如，将这种行动决定表输入至图4所示的操作模型401而决定接下来的行动。对此利用流程进行详细说明。
[3.装置4的动作]
[3.1.操作模型401的学习动作]
图4表示操作模型401的学习动作。装置1可以通过步骤S101～S119的处理而生成操作模型401。
在步骤S101中，第2学习处理部413获取目标设定数据。在本图的动作中，第2学习处理部413可以获取包含经由输入部411而输入的参数的识别信息、以及该参数的目标范围在内的目标设定数据。
此外，在步骤S101中，显示控制部432可以对操作模型401的学习中以前使用的目标设定数据的内容进行显示。例如，显示控制部432可以相应于由操作者选择出与设备2相关的多种参数的任一种作为目标范围的设定对象，针对该参数而对以前设定的目标范围进行显示。另外，显示控制部432可以进一步将以前设定的目标范围中包含的至少一部分区域作为推荐的目标范围而进行显示。例如，显示控制部432可以将以前设定的目标范围中的、预先指定的比例的中央部分的范围作为推荐的目标范围而进行显示。作为一个例子，针对参数Pa以前设定的目标范围为5～15，针对参数Pb以前设定的目标范围为10～30，在指定比例为90％的情况下，显示控制部432可以将针对参数Pa推荐的目标范围设为6～14、且将针对参数Pb推荐的目标范围设为12～28。
显示控制部432可以在以目标范围的设定对象的各参数为坐标轴的坐标空间对以前设定的目标范围进行显示。另外，显示控制部432还可以在坐标空间对推荐的目标范围进行显示。在以前设定的目标范围显示于坐标空间的情况下，第2学习处理部413可以相应于利用输入部411在坐标空间内进行范围指定而获取该指定范围作为目标范围。
在步骤S103中，第2学习处理部413利用目标设定数据决定报酬函数。第2学习处理部413可以在与利用操作模型401操作的设备2相关的状态接近与目标设定数据的内容相应的状态的情况下，以使得报酬值升高的方式决定报酬函数。另外，第2学习处理部413可以在与由操作模型401进行了操作的设备2相关的状态参数满足目标设定数据的内容的情况下，以使得报酬值升高的方式决定报酬函数。
在步骤S105中，参数获取部403获取与设备2相关的状态参数。例如，参数获取部403可以从设备2或者模拟器431获取状态参数。
在步骤S107中，第2学习处理部413决定行动并决定与所决定的行动相应的控制参数。例如，第2学习处理部413随机地决定行动。此外，在上述说明中，作为一个例子示出了第2学习处理部413随机地决定行动的情况，但并不限定于此。在第2学习处理部413决定行动时，例如，可以利用FKDPP(Factorial Kernel Dynamic Policy Programming)等已知的AI算法。在利用这种内核法的情况下，第2学习处理部413根据状态数据而生成状态s的矢量。接下来，第2学习处理部413例如作为图3所示的行动决定表而生成状态s和能够采取的所有行动a的组合。而且，第2学习处理部413将行动决定表向例如图2所示的操作模型401输入。与此相应地，在行动决定表的各行与操作模型401中的除了权重列以外的各样本数据之间进行内核计算，分别计算出与各样本数据之间的距离。而且，将针对各样本数据计算出的距离分别乘以权重列的值所得的值依次相加而计算出各行动的报酬期待值。操作模型401选择这样计算出的报酬期待值最高的行动。第2学习处理部413例如可以通过这样选择利用更新中的操作模型判断为报酬期待值最高的行动而决定行动。在学习时，第2学习处理部413只要随机地决定行动、或者一边适当地选择是否利用操作模型401决定行动一边决定行动即可。第2学习处理部413将与决定的行动相应的控制参数向操作部402供给。
在步骤S109中，操作部402根据所供给的控制参数而对设备2进行操作。操作部402可以根据所供给的控制参数而使模拟器431进行模拟。
在步骤S111中，参数获取部403获取与设备2相关的状态参数。由此，获取相应于利用所决定的控制参数对设备2进行了操作而变化之后的状态参数。此外，在步骤S109中进行了模拟的情况下，参数获取部403可以从模拟器431获取状态参数。
在步骤S113中，第2学习处理部413基于获取到的参数而对报酬值进行计算。第2学习处理部413可以利用步骤S103中决定的报酬函数而对报酬值进行计算。
在步骤S115中，第2学习处理部413判定与控制参数的决定相应的参数的获取处理是否超过所指定的步骤次数。此外，这种步骤次数可以预先由操作者指定，也可以基于学习对象期间(例如10天等)而规定。在判定为上述处理未超过所指定的步骤次数的情况下(步骤S115；No)，第2学习处理部413使处理返回至步骤S107而使流程持续。由此，以所指定的步骤次数执行与控制参数的决定相应的状态参数的获取处理。
在步骤S115中，在判定为上述处理超过所指定的步骤次数的情况下(步骤S115；Yes)，第2学习处理部413使处理进入步骤S117。在步骤S117中，第2学习处理部413对操作模型401进行更新。例如，除了将图2所示的操作模型的权重列的值覆写以外，第2学习处理部413还将至此为止未保存的新的样本数据追加至操作模型401。
在步骤S119中，第2学习处理部413判定操作模型401的更新处理是否超过所指定的反复次数。此外，这种反复次数可以预先由操作者指定，也可以根据操作模型401的妥当性而规定。在判定为上述处理未超过所指定的反复次数的情况下(步骤S119；No)，第2学习处理部413使处理向步骤S105返回并使流程持续。
在步骤S119中，在判定为上述处理超过所指定的反复次数的情况下(步骤S119；Yes)，第2学习处理部413结束流程。第2学习处理部413例如能够这样生成输出与设备2所涉及的状态参数相应的控制参数的操作模型401。
[3.2.操作模型401的其他学习动作]
图5表示操作模型401的其他学习动作。在目标设定模型414的学习处理完毕的情况下，装置1可以通过步骤S121～S123、S103～S119的处理而生成操作模型401。
在步骤S121中，第1供给部415获取新输入的操作计划。第1供给部415可以获取新输入至输入部411的操作计划。
在步骤S123中，第1供给部415将获取到的操作计划供给至目标设定模型414。由此，相应于新的操作计划被输入而将该操作计划供给至目标设定模型414。
在步骤S125中，第2供给部417获取来自目标设定模型的输出数据(在本实施方式中，作为一个例子，为参数的识别信息以及目标范围)，获取与该输出数据相应的目标设定数据。第2供给部417可以直接获取输出数据作为目标设定数据。
第2供给部417可以取代该方式将获取的输出数据的内容作为推荐的目标设定数据而使显示控制部432进行显示，获取基于显示内容由操作者输入的目标设定数据。作为一个例子，对针对某个参数将目标范围设为1～10的输出数据的内容进行显示，在操作者将该参数的目标范围设为2～9而输入的情况下，第2供给部417可以获取针对该参数的目标范围设为2～9的目标设定数据。
此后，可以与上述步骤S103～S119同样地进行操作模型401的学习动作。
[3.3.目标设定模型414的学习动作]
图6表示目标设定模型414的学习动作。装置1可以通过步骤S131～S133的处理而生成目标设定模型414。
在步骤S131中，第1获取部421获取设备2的操作计划、以及用于操作模型401的学习的目标设定数据中的至少参数的识别信息。在本实施方式中，作为一个例子，第1获取部421可以获取用于操作模型401的学习的目标设定数据中的至少参数的识别信息、以及与该目标设定数据相关联地由输入部411输入的操作计划。另外，第1获取部421可以获取目标设定数据中的参数的识别信息以及目标范围这两者。第1获取部421可以从存储部412获取目标设定数据的参数的识别信息、操作计划等。
在步骤S133中，第1学习处理部422利用包含第1获取部421获取到的参数的识别信息以及操作计划在内的学习数据，进行目标设定模型414的学习处理。第1学习处理部422可以通过深度学习等有教师学习而进行目标设定模型414的学习处理，也可以以使得来自目标设定模型414的输出数据的内容与用于操作模型401的学习的目标设定数据的内容相似的方式，进行目标设定模型414的学习处理。另外，在本实施方式中，作为一个例子，第1学习处理部422可以针对目标设定模型414，以相应于操作计划被输入而输出为了达成该操作计划将应当用于操作模型401的学习的目标设定数据的内容的方式进行学习处理。
[3.4.操作模型401的评价动作]
图7表示操作模型401的评价动作。装置1可以通过步骤S141～S175的处理而对所生成的操作模型401进行评价。
在步骤S141中，显示控制部432相应于由操作者选择与设备2相关的多种参数的任一种作为选择参数，对设备2的以往操作的该选择参数的值进行显示。例如，显示控制部432可以在以各选择参数为坐标轴的坐标空间对设备2的以往操作的各选择参数的值进行显示。作为一个例子，显示控制部432可以分别对设备2的以往操作的各选择参数的值进行显示，也可以通过对设备2的以往操作的各选择参数的值的最大值及最小值进行显示，从而显示各选择参数的值的范围。
在步骤S143中，目标范围获取部433针对选择参数而获取由操作者设定的评价用目标范围。目标范围获取部433相应于在由显示控制部432显示的、以各选择参数为坐标轴的坐标空间内进行范围指定，获取该指定范围作为评价用目标范围。
在步骤S145中，状态参数获取部403从模拟器431获取与设备2相关的状态参数。此外，在最初执行步骤S145的处理的情况下，设备2的状态可以是预先设定的初始状态。
在步骤S147中，模拟器431进行与人工操作相应的模拟。模拟器431可以模拟基于与人工操作相应的控制参数而进行了操作的设备2的状态。
在步骤S149中，模拟器431判定是否指示了模拟的结束。例如，模拟器431可以判定是否经由输入部411而输入了模拟的结束指示。在步骤S149中判定为未指示模拟的结束的情况下(步骤S149；No)，处理可以进入上述步骤S145。在步骤S149中判定为指示了模拟的结束的情况下(步骤S149；Yes)，处理可以进入步骤S151。
在步骤S151中，评价值获取部434获取与通过人工操作对设备2进行了操作的结果相应的基准评价值。在本实施方式中，作为一个例子，基准评价值可以基于对模拟器431输入了人工操作的结果而计算。
基准评价值可以基于与根据与人工操作相应的控制参数进行了操作的设备2相关的参数是否落入于评价用目标范围而计算。在针对与设备2相关的多个参数分别设定了评价用目标范围的情况下，基准评价值可以基于设定了评价用目标范围的参数数量(a)中的、落入于对应的目标范围内的参数数量(b)的比例(即b/a)而计算。此外，基准评价值可以由模拟器431计算，也可以由从模拟器431获取了与操作的设备2相关的参数的评价值获取部434计算。
在步骤S153中，模拟器431结束与人工操作相应的模拟。可以通过结束模拟而将模拟的设备2的状态重置为初始状态。
在步骤S161中，状态参数获取部403从模拟器431获取与设备2相关的状态参数。此外，在最初执行步骤S161的处理的情况下，设备2的状态可以是预先设定的初始状态。
在步骤S163中，参数获取部403将获取到的状态参数供给至操作模型401。由此，从操作模型401输出控制参数的推荐值。
在步骤S165中，操作部402获取从操作模型401输出的控制参数的推荐值。
在步骤S167中，模拟器431进行与来自操作模型401的控制参数的推荐值相应的模拟。模拟器431可以模拟基于控制参数的推荐值进行了操作的设备2的状态。
在步骤S169中，模拟器431判定是否指示了模拟的结束。在步骤S169中判定为未指示模拟的结束的情况下(步骤S169；No)，处理可以进入上述步骤S161。在步骤S169中判定为指示了模拟的结束的情况下(步骤S169；Yes)，处理可以进入步骤S171。
在步骤S171中，评价值获取部434获取与根据控制参数的推荐值对设备2进行了操作的结果相应的模型评价值。在本实施方式中，作为一个例子，模型评价值可以基于将由操作部402获取的推荐值输入至设备2的模拟器431的结果而计算。模型评价值与基准评价值相同地，可以基于与根据控制参数的推荐值操作的设备2相关的参数是否落入于评价用目标范围而计算。
在步骤S173中，模拟器431结束与控制参数的推荐值相应的模拟。可以通过结束模拟而将模拟的设备2的状态重置为初始状态。
在步骤S175中，评价部435基于模型评价值以及基准评价值而对操作模型401进行评价。在本实施方式中，作为一个例子，在模型评价值大于基准评价值的情况下，评价部435可以进行操作模型401良好这一状况的评价。
根据以上动作，基于将人工操作输入至设备2的模拟器431的结果而对基准评价值进行计算，因此能够实际上不对设备2进行操作而迅速地获得基准评价值。
另外，基于将从操作模型401获取的控制参数的推荐值输入至设备2的模拟器431的结果而对模型评价值进行计算，因此能够实际上不对设备2进行操作而迅速地获得模型评价值。
另外，分别基于模拟的结果而计算基准评价值以及模型评价值，因此在通过人工操作对设备2进行操作的情况下、以及利用操作模型401对设备2进行操作的情况下，能够使操作前的设备2形成为相同的状态。因此，能够以良好的精度判断基于利用操作模型401得到的操作结果的优劣。
另外，在设定评价用目标范围的情况下，在以由操作者选择的各选择参数为坐标轴的坐标空间对设备2的以往操作的各选择参数的值进行显示，因此能够容易掌握选择参数的以往值、其范围且容易设定评价用目标范围。
[3.5.设备2的操作动作]
图8表示设备2的操作动作。装置1可以通过步骤S181～S191的处理对设备2进行操作。
在步骤S181中，状态参数获取部403获取与设备2相关的状态参数。在步骤S183中，参数获取部403将获取到的状态参数供给至操作模型401。由此，从操作模型401将控制参数的推荐值输出。在步骤S185中，操作部402获取从操作模型401输出的控制参数的推荐值。在步骤S187中，操作部402根据来自操作模型401的控制参数的推荐值而对设备2进行操作。
在步骤S189中，操作部402判定是否指示了操作的结束。在步骤S189中判定为未指示操作的结束的情况下(步骤S189；No)，处理可以进入上述步骤S181。在步骤S189中判定为指示了操作的结束的情况下(步骤S189；Yes)，处理进入步骤S191，操作部402结束设备2的操作。
[4.目标设定模型414的变形例(1)]
此外，在上述实施方式中，对如下情况进行了说明，即，对于目标设定模型414利用包含操作计划、以及用于操作模型401的学习的目标设定数据的参数的识别信息以及目标范围在内的学习数据而进行学习处理，进行了学习处理的目标设定模型414相应于操作计划的输入而输出应当用于操作模型401的学习的目标设定数据中的参数的识别信息以及目标范围。然而，针对目标设定模型414的学习数据、输入数据以及输出数据的内容的组合并不局限于此。
例如，目标设定模型414利用包含操作计划、以及用于操作模型401的学习的目标设定数据的参数的识别信息在内的学习数据而进行学习处理，可以相应于操作计划的输入而仅输出应当用于操作模型401的学习的目标设定数据中的参数的识别信息，不输出目标范围。学习数据中可以包含用于操作模型的学习的目标设定数据的参数的识别信息以及目标范围这两者。目标设定模型414可以将单个参数的识别信息输出，也可以将多个参数的识别信息输出。在仅将参数的识别信息从目标设定模型414输出的情况下，第2供给部417可以使显示控制部432对输出的各参数的识别信息进行显示，针对每个参数的识别信息而获取由操作者输入的目标范围，生成表示上述识别信息以及目标范围的目标设定数据而供给至第2学习处理部413。
另外，目标设定模型414可以利用包含操作计划、以及用于操作模型401的学习的目标设定数据的参数的识别信息以及目标范围在内的学习数据而进行学习处理，相应于操作计划、以及应当设为目标范围的设定对象的参数的识别信息被输入而仅输出应当用于操作模型401的学习的目标设定数据中的针对该参数的目标范围，不将参数的识别信息输出。在该情况下，可以将应当设为目标范围的设定对象的单个参数的识别信息经由输入部411由操作者输入至目标设定模型414，从目标设定模型414输出该单个参数的目标范围。可以取代该方式而将应当设为目标范围的设定对象的多个参数的识别信息经由输入部411由操作者输入至目标设定模型414，从目标设定模型414输出各参数的目标范围。第2供给部417可以生成表示输入至目标设定模型414的各参数的识别信息、以及从目标设定模型414输出的各参数的目标范围的目标设定数据而供给至第2学习处理部413。
[5.目标设定模型414的变形例(2)]
另外，在上述实施方式中，对将目标设定模型414设为单个模型的情况进行了说明，但也可以具有功能不同的多个模型。
图9表示本变形例所涉及的目标设定模型414A。目标设定模型414A可以具有至少1个参数设定模型4141、以及至少1个目标范围设定模型4142。在本实施方式中，作为一个例子，目标设定模型414A具有2个参数设定模型4141a、4141b、以及4个目标范围设定模型4142a～4142d。各参数设定模型4141相应于操作计划被输入而输出应当设为目标范围的设定对象的参数的识别信息。各目标范围设定模型4142相应于操作计划、以及应当设为目标范围的设定对象的参数的识别信息被输入而输出应当针对该参数设定的目标范围。
其中，参数设定模型4141a可以相应于操作计划被输入而输出应当设为目标范围的设定对象的参数(也称为参数Pa)的识别信息。在本实施方式中，作为一个例子，参数设定模型4141a相应于从第1供给部415输入操作计划而将该操作计划以及参数Pa的识别信息供给至目标范围设定模型4142a。
目标范围设定模型4142a可以相应于操作计划以及参数的识别信息被输入而输出应当针对该参数设定的目标范围的上限值。在本实施方式中，作为一个例子，目标范围设定模型4142a相应于从由第1供给部415输入了操作计划的参数设定模型4141a将操作计划以及参数Pa的识别信息输入，将该操作计划、参数Pa的识别信息以及参数Pa的目标范围的上限值VPaMAX供给至目标范围设定模型4142b。此外，可以取代经由参数设定模型4141a从第1供给部415输入至目标范围设定模型4142a的方式而从第1供给部415将操作计划直接输入至目标范围设定模型4142a。关于后述的目标范围设定模型4142b～4142d、参数设定模型4141b也一样。
目标范围设定模型4142b可以相应于操作计划以及参数的识别信息被输入，将应当针对该参数设定的目标范围的下限值输出。在本实施方式中，作为一个例子，目标范围设定模型4142b相应于从利用第1供给部415输入了操作计划的参数设定模型4141a将操作计划、参数Pa的识别信息以及参数Pa的目标范围的上限值VPaMAX输入，将该操作计划、参数Pa的识别信息以及参数Pa的目标范围的上下限值VPaMAX、VPaMIN供给至参数设定模型4141b。
参数设定模型4141b可以相应于操作计划、以及已经设为目标范围的设定对象的参数Pa的识别信息被输入，将应当设为目标范围的设定对象的其他参数(也称为参数Pb)的识别信息输出。在本实施方式中，作为一个例子，参数设定模型4141b相应于从目标范围设定模型4142b输入操作计划、参数Pa的识别信息以及目标范围的上下限值VPaMAX、VPaMIN，将该操作计划、参数Pa的识别信息以及上下限值VPaMAX、VPaMIN、参数Pa不同的参数Pb的识别信息供给至目标范围设定模型4142c。
目标范围设定模型4142c可以相应于操作计划以及参数的识别信息被输入，将应当针对该参数设定的目标范围的上限值输出。在本实施方式中，作为一个例子，目标范围设定模型4142c相应于从参数设定模型4141b供给操作计划、参数Pa的识别信息以及目标范围的上下限值VPaMAX、VPaMIN、参数Pb的识别信息，将该操作计划、参数Pa的识别信息、参数Pa的目标范围的上下限值VPaMAX、VPaMIN、参数Pb的识别信息以及参数Pb的目标范围的上限值VPbMAX供给至目标范围设定模型4142d。
目标范围设定模型4142d可以相应于操作计划以及参数的识别信息被输入，将应当针对该参数设定的目标范围的下限值输出。在本实施方式中，作为一个例子，目标范围设定模型4142d相应于从目标范围设定模型4142c供给操作计划、参数Pa的识别信息以及目标范围的上下限值VPaMAX、VPaMIN、参数Pb的识别信息、参数Pb的目标范围的上限值VPbMAX，将该操作计划、参数Pa的识别信息、参数Pa的目标范围的上下限值VPaMAX、VPaMIN、参数Pb的识别信息、参数Pb的目标范围的上下限值VPbMAX、VPbMIN输出。
根据以上目标设定模型414A，相应于将操作计划输入至参数设定模型4141，将应当设为目标范围的设定对象的参数的识别信息输出。因此，能够使设定了目标范围的参数与用于操作模型401的学习的目标设定数据的参数一致。
另外，相应于将操作计划、以及已经设为目标范围的设定对象的参数Pa的识别信息输入至参数设定模型4141b而将应当设为目标范围的设定对象的参数Pb的识别信息输出。因此，能够使设定了目标范围的参数Pb与在操作模型401的学习中和参数Pa一起用于目标设定数据的参数一致。
另外，相应于将操作计划、以及已经设为目标范围的设定对象的参数Pa的识别信息以及目标范围的上下限值VPaMAX、VPaMIN输入至参数设定模型4141b而将应当设为目标范围的设定对象的参数Pb的识别信息输出。因此，能够使设定了目标范围的参数Pb与在操作模型401的学习中和参数Pa的识别信息以及上下限值VPaMAX、VPaMIN一起用于目标设定数据的参数一致。
另外，相应于将操作计划、以及应当设为目标范围的设定对象的参数Pa、Pb的识别信息输入至目标范围设定模型4142而将应当针对该参数Pa、Pb设定的目标范围输出。因此，能够使应当针对参数Pa、Pb设定的目标范围与用于操作模型401的学习的目标设定数据的目标范围一致。
另外，相应于针对参数设定模型4141a而输入操作计划，将应当设为目标范围的设定对象的参数Pa的识别信息从参数设定模型4141a输出，相应于对目标范围设定模型4142a输入操作计划、从参数设定模型4141输入参数Pa的识别信息，将应当针对该参数Pa设定的目标范围VPaMAX、VPaMIN从目标范围设定模型4142a输出。因此，能够依次自动地获取目标设定数据的参数以及目标范围。
此外，以上目标设定模型414A的参数设定模型4141a可以利用包含由第1获取部421获取的参数的识别信息以及操作计划在内的学习数据，由第1学习处理部422进行学习处理。由此，针对用于学习参数设定模型4141a的学习数据，能够省略参数的目标范围，因此能够容易进行学习处理。
另外，可以由第1学习处理部422利用包含由第1获取部421获取的参数的识别信息以及目标范围、操作计划在内的学习数据，对参数设定模型4141b以及目标范围设定模型4142a～4142d进行学习处理。由此，能够使来自模型的输出数据的内容与为了达成操作计划而用于操作模型401的学习的目标设定数据的内容相似。
[6.其他变形例]
此外，在上述实施方式中，对装置4具有操作模型401以及目标设定模型414的情况进行了说明，但也可以不具有上述模型的任一个。在装置4不具有操作模型401以及目标设定模型414的情况下，可以对外部连接的存储装置内的操作模型401以及目标设定模型414进行学习处理，也可以对外部连接的存储装置内的操作模型401进行评价，还可以利用外部连接的存储装置内的操作模型401进行操作。
另外，对装置4具有应当进行目标设定模型414的学习处理的第1获取部421以及第1学习处理部422等情况进行了说明，但也可以不具有上述部件。在该情况下，装置4可以利用训练好的目标设定模型414进行操作模型401的学习处理。可以由多个装置4共享训练好的目标设定模型414，并利用各装置4进行不同的操作模型401的学习处理。
另外，对装置4具有应当进行操作模型401的学习处理的第2学习处理部413等的情况进行了说明，但也可以不具有该部件。在该情况下，装置4可以从外部获取用于操作模型401的学习的目标设定数据内的参数的识别信息等而进行目标设定模型414的学习处理。
另外，对评价值获取部434获取与模拟结果相应的基准评价值以及模型评价值的情况进行了说明，但也可以获取与实际对设备2进行了操作的结果相应的基准评价值以及模型评价值。
另外，对评价值获取部434计算基准评价值的情况进行了说明，但也可以作为固定值而预先存储于装置4内。
另外，可以参照流程图及框图而对本发明的各种实施方式进行记载，这里，模块可以表示(1)执行操作的过程的阶段、或者(2)具有执行操作的作用的装置的部分。特定的阶段以及部分可以利用专用电路、与计算机可读介质上储存的计算机可读指令一起供给的可编程电路、和/或与计算机可读介质上储存的计算机可读指令一起供给的处理器而安装。专用电路可以包含数字和/或模拟硬件电路，也可以包含集成电路(IC)和/或分立电路。可编程电路可以包含逻辑AND、逻辑OR、逻辑XOR、逻辑NAND、逻辑NOR、以及其他逻辑操作、触发电路、寄存器、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)等之类的存储器要素等的、可再构成的硬件电路。
计算机可读介质可以包含能够对利用适当的设备执行的指令进行储存的任意有形的设备，其结果，具有此处储存的指令的计算机可读介质具有包含能够为了制作用于执行流程图或框图中指定的操作的手段的能够执行的指令的产品。作为计算机可读介质的例子，可以包含电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。作为计算机可读介质的更具体的例子，可以包含Floppy(注册商标)软盘、软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪存)、电可擦可编程只读存储器(EEPROM)、静态随机存取存储器(SRAM)、光盘只读存储器(CD-ROM)、数字化多用途光盘(DVD)、蓝光(RTM)盘、记忆棒、集成电路卡等。
计算机可读指令可以包含汇编指令、指令集架构(ISA)指令、机器指令、依赖于机器的指令、微码、固件指令、状态设定数据、或者包含Smalltalk(注册商标)、JAVA(注册商标)、C++等之类的面向对象编程语言、以及“C”编程语言或同样的编程语言之类的现有的程序性编程语言在内的1种或多种编程语言的任意组合记述的源代码或对象代码的任一种。
可以经由本地或局域网(LAN)、互联网等之类的广域网(WAN)而对通用计算机、特殊目的的计算机或者其他可编程的数据处理装置的处理器或可编程电路提供计算机可读指令，为了制作用于执行流程图或框图中指定的操作的手段而执行计算机可读指令。作为处理器的例子，包含计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。
图10表示可以将本发明的多个方式全部或一部分实现具体化的计算机2200的例子。计算机2200中安装的程序能够使计算机2200作为与本发明的实施方式所涉及的装置相关联的操作或该装置的1个或多个部分起作用，或者能够执行该操作或该1个或多个部分，和/或能够使计算机2200执行本发明的实施方式所涉及的过程或该过程的阶段。这种程序可以为了使计算机2200执行与本说明书中记载的流程图及框图的模块中的几个或全部相关联的特定操作而由CPU2212执行。
本实施方式所涉及的计算机2200包含CPU2212、RAM2214、图形控制器2216以及显示设备2218，上述部件通过主控制器2210而相互连接。另外，计算机2200包含通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226、以及IC卡驱动器之类的输入/输出单元，上述部件经由输入/输出控制器2220而与主控制器2210连接。另外，计算机包含ROM2230以及键盘2242之类的传统的输入/输出单元，上述部件经由输入/输出芯片2240而与输入/输出控制器2220连接。
CPU2212根据ROM2230及RAM2214内储存的程序而执行动作，由此对各单元进行控制。图形控制器2216获取向RAM2214内提供的在帧缓冲区等或其本身中由CPU2212生成的图像数据，并在显示设备2218上对图像数据进行显示。
通信接口2222经由网络而与其他电子设备通信。硬盘驱动器2224对由计算机2200内的CPU2212使用的程序以及数据进行储存。DVD-ROM驱动器2226从DVD-ROM2201读取程序或数据，经由RAM2214而将程序或数据提供给硬盘驱动器2224。IC卡驱动器从IC卡读取程序以及数据、和/或将程序以及数据写入至IC卡。
ROM2230在其中对激活时由计算机2200执行的启动程序等和/或依赖于计算机2200的硬件的程序进行储存。另外，输入/输出芯片2240使得各种输入/输出单元经由并行端口、串行端口、键盘端口、鼠标端口等而与输入/输出控制器2220连接。
程序由DVD-ROM2201或IC卡之类的计算机可读介质提供。从计算机可读介质读取程序、并将其安装于还作为计算机可读介质的例子的硬盘驱动器2224、RAM2214、或ROM2230而由CPU2212执行。上述程序内记述的信息处理由计算机2200读取，并使得程序和上述各种类型的硬件资源之间进行协作。可以通过使用计算机2200实现信息的操作或处理而构成装置或方法。
例如，在计算机2200以及外部设备之间执行通信的情况下，CPU2212可以执行RAM2214中加载的通信程序，基于通信程序中记述的处理而对通信接口2222发出通信处理的指令。通信接口2222在CPU2212的控制下读取向RAM2214、硬盘驱动器2224、DVD-ROM2201、或者IC卡之类的记录介质内提供的发送缓冲处理区域中储存的发送数据，将读取的发送数据发送至网络、或者将从网络接收到的接收数据写入至向记录介质上提供的接收缓冲处理区域等。
另外，CPU2212可以将硬盘驱动器2224、DVD-ROM驱动器2226(DVD-ROM2201)、IC卡等之类的外部记录介质中储存的文件或数据库的全部或所需的部分读取至RAM2214，针对RAM2214上的数据执行各种类型的处理。CPU2212接下来将处理后的数据回写至外部记录介质。
各种类型的程序、数据、表以及数据库之类的各种类型的信息可以储存于记录介质并接受信息处理。CPU2212可以针对从RAM2214读取的数据而执行本公开的任意位置记载的由程序的指令序列指定的各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的检索/置换等在内的各种类型的处理，针对RAM2214而回写结果。另外，CPU2212可以检索记录介质内的文件、数据库等中的信息。例如，在分别具有与第2属性的属性值相关联的第1属性的属性值的多个条目储存于记录介质内的情况下，CPU2212可以从该多条记录中检索指定了第1属性的属性值的与条件一致的条目，读取该条目内储存的第2属性的属性值，获取与满足由此预先规定的条件的第1属性相关联的第2属性的属性值。
以上说明的程序或软件模块可以储存于计算机2200上或计算机2200附近的计算机可读介质。另外，向与专用通信网络或互联网连接的服务器系统内提供的硬盘或RAM之类的记录介质可以用作计算机可读介质，由此经由网络而将程序提供给计算机2200。
以上利用实施方式对本发明进行了说明，本发明的技术范围并不限定于上述实施方式中记载的范围。本领域技术人员能够理解，可以对上述实施方式施加多种变更或改良。根据权利要求书的记载明确可知，施加了这种变更或改良的方式也可以包含于本发明的技术范围内。
关于权利要求书、说明书以及附图中示出的装置、系统、程序以及方法中的动作、次序、步骤以及阶段等各处理的执行顺序，应当注意是，只要并没有特别明确地表示为“更提前”、“提前”等，另外，未在后续的处理中使用在前的处理的输出，则能够以任意顺序实现。关于权利要求书、说明书以及附图中的动作流程，即使为了方便而使用“首先、”、“接下来、”等进行了说明，也不意味着必须按照该顺序实施。
标号的说明
1    系统
2    设备
4    装置
401  操作模型
402  操作部
403  参数获取部
411  输入部
412  存储部
413  第2学习处理部
414  目标设定模型
415  第1供给部
416  第2获取部
417  第2供给部
421  第1获取部
422  第1学习处理部
431  模拟器
432  显示控制部
433  目标范围获取部
434  评价值获取部
435  评价部
2200 计算机
2201 DVD-ROM
2210 主控制器
2212 CPU
2214 RAM
2216 图形控制器
2218 显示设备
2220 输入/输出控制器
2222 通信接口
2224 硬盘驱动器
2226 DVD-ROM驱动器
2230 ROM
2240 输入/输出芯片
2242 键盘
4141 参数设定模型
4142 目标范围设定模型

Claims (12)

1.一种装置，其中，
所述装置具有：
供给部，其针对操作模型供给状态参数的值，该操作模型相应于与设备相关的状态参数的值被输入而输出所述设备的控制参数的推荐值；
控制参数获取部，其获取相应于所述供给部对所述操作模型供给状态参数的值而从该操作模型输出的控制参数的推荐值；
获取部，其获取与根据由所述控制参数获取部获取的所述推荐值对所述设备进行了操作的结果相应的模型评价值；以及
评价部，其基于所述模型评价值以及与通过人工操作对所述设备进行了操作的结果相应的基准评价值，对所述操作模型进行评价。
2.根据权利要求1所述的装置，其中，
所述基准评价值是基于将人工操作输入至所述设备的模拟器的结果而计算的。
3.根据权利要求1或2所述的装置，其中，
所述模型评价值是基于将由所述控制参数获取部获取的所述推荐值输入至所述设备的模拟器的结果而计算的。
4.根据权利要求1至3中任一项所述的装置，其中，
所述模型评价值是基于与根据所述推荐值进行了操作的所述设备相关的参数是否落入于目标范围内而计算的，
所述基准评价值是基于与通过人工操作进行了操作的所述设备相关的参数是否落入于所述目标范围内而计算的。
5.根据权利要求4所述的装置，其中，
所述装置还具有目标范围获取部，该目标范围获取部获取针对与所述设备相关的多种参数中的由操作者选择的选择参数而由操作者设定的所述目标范围。
6.根据权利要求5所述的装置，其中，
所述装置还具有显示控制部，该显示控制部相应于从所述多种参数选择出所述选择参数，对所述设备的以往操作的该选择参数的值进行显示。
7.根据权利要求6所述的装置，其中，
所述显示控制部在以各选择参数为坐标轴的坐标空间对所述设备的以往操作的各选择参数的值进行显示。
8.根据权利要求4至7中任一项所述的装置，其中，
所述设备是进行物品的制造的设备，
与所述设备相关的参数是表示所述物品的品质的指标值或者所述物品的生产量中的至少1者。
9.根据权利要求1至8中任一项所述的装置，其中，
所述装置还具有学习处理部，该学习处理部利用包含状态参数的值以及控制参数的值在内的学习数据而执行所述操作模型的学习处理。
10.根据权利要求9所述的装置，其中，
所述学习处理部利用所述学习数据、以及由预先设定的报酬函数规定的报酬值而执行所述操作模型的学习处理。
11.一种方法，其中，
所述方法具有如下阶段：
供给阶段，针对操作模型供给状态参数的值，该操作模型相应于表示与设备相关的状态参数的值被输入而输出所述设备的控制参数的推荐值；
控制参数获取阶段，获取相应于通过所述供给阶段对所述操作模型供给状态参数的值而从该操作模型输出的控制参数的推荐值；
获取阶段，获取与通过由所述控制参数获取阶段获取的所述推荐值对所述设备进行了操作的结果相应的模型评价值；以及
评价阶段，基于所述模型评价值以及与通过人工操作对所述设备进行了操作的结果相应的基准评价值，对所述操作模型进行评价。
12.一种计算机可读介质，其记录有使计算机作为如下功能部起作用的程序：
供给部，其针对操作模型供给状态参数的值，该操作模型相应于与设备相关的状态参数的值被输入而输出所述设备的控制参数的推荐值；
控制参数获取部，其获取相应于所述供给部对所述操作模型供给状态参数的值而从该操作模型输出的控制参数的推荐值；
获取部，其获取与根据由所述控制参数获取部获取的所述推荐值对所述设备进行了操作的结果相应的模型评价值；以及
评价部，其基于所述模型评价值以及与通过人工操作对所述设备进行了操作的结果相应的基准评价值，对所述操作模型进行评价。
CN202211324690.7A 2021-10-27 2022-10-27 装置、方法以及计算机可读介质 Pending CN116027659A (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
JP2021-175652 2021-10-27
JP2021175652A JP7484868B2 (ja) 2021-10-27 2021-10-27 操業システム、操業方法、および、操業プログラム、ならびに、評価モデル生成装置、評価モデル生成方法、および、評価モデル生成プログラム
JP2021191964A JP7459856B2 (ja) 2021-11-26 2021-11-26 装置、方法およびプログラム
JP2021191945A JP7517313B2 (ja) 2021-11-26 装置、方法およびプログラム
JP2021-191945 2021-11-26
JP2021-191964 2021-11-26

Publications (1)

Publication Number Publication Date
CN116027659A true CN116027659A (zh) 2023-04-28

Family

ID=84043942

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202211325445.8A Pending CN116050535A (zh) 2021-10-27 2022-10-27 操作系统、操作方法、评价模型生成装置、评价模型生成方法及记录介质
CN202211324690.7A Pending CN116027659A (zh) 2021-10-27 2022-10-27 装置、方法以及计算机可读介质
CN202211325002.9A Pending CN116027660A (zh) 2021-10-27 2022-10-27 装置、方法以及计算机可读介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202211325445.8A Pending CN116050535A (zh) 2021-10-27 2022-10-27 操作系统、操作方法、评价模型生成装置、评价模型生成方法及记录介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202211325002.9A Pending CN116027660A (zh) 2021-10-27 2022-10-27 装置、方法以及计算机可读介质

Country Status (3)

Country Link
US (3) US20230129189A1 (zh)
EP (3) EP4174592A1 (zh)
CN (3) CN116050535A (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007001024B4 (de) * 2007-01-02 2008-10-02 Siemens Ag Verfahren zur rechnergestützten Regelung und/oder Steuerung eines technischen Systems insbesondere einer Gasturbine
US9971317B2 (en) * 2014-03-26 2018-05-15 Rockwell Automation Technologies, Inc. Cloud-level industrial controller loop gain tuning based on industrial application type
JP6939162B2 (ja) 2017-07-13 2021-09-22 横河電機株式会社 プラント制御支援装置、プラント制御支援方法、プラント制御支援プログラム及び記録媒体
JP6871842B2 (ja) * 2017-11-30 2021-05-19 三菱重工工作機械株式会社 加工シミュレーションの条件の適正化方法、加工シミュレーション装置、加工シミュレーションシステム及びプログラム
WO2019126755A1 (en) * 2017-12-21 2019-06-27 Fugro N.V. Generating and classifying training data for machine learning functions
JP6608010B1 (ja) * 2018-07-25 2019-11-20 積水化学工業株式会社 制御装置、サーバ、管理システム、コンピュータプログラム、学習モデル及び制御方法
JP7011239B2 (ja) * 2018-08-17 2022-01-26 横河電機株式会社 装置、方法、プログラム、および、記録媒体
JP2021037716A (ja) * 2019-09-04 2021-03-11 株式会社荏原製作所 機械学習装置、ａｍ装置、機械学習方法、および学習モデルの生成方法
JP7331660B2 (ja) 2019-11-26 2023-08-23 横河電機株式会社 装置、方法およびプログラム

Also Published As

Publication number Publication date
CN116027660A (zh) 2023-04-28
US20230126567A1 (en) 2023-04-27
EP4174589B1 (en) 2024-07-03
EP4174591A1 (en) 2023-05-03
EP4174589A1 (en) 2023-05-03
US20230126776A1 (en) 2023-04-27
EP4174592A1 (en) 2023-05-03
US20230129189A1 (en) 2023-04-27
CN116050535A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
JP7011239B2 (ja) 装置、方法、プログラム、および、記録媒体
EP3828651B1 (en) Apparatus, method and program
US11429090B2 (en) Apparatus, method, and program
CN116027659A (zh) 装置、方法以及计算机可读介质
JP7517313B2 (ja) 装置、方法およびプログラム
US20230045222A1 (en) Learning device, learning method, recording medium having recorded thereon learning program, and control device
JP7459856B2 (ja) 装置、方法およびプログラム
Ogurek et al. A novel integrated approach for designing, testing and implementing WRRF process control solutions
JP2023078694A (ja) 装置、方法およびプログラム
JP2010079464A (ja) プラント制御システムおよびプラント制御方法
Baloch et al. design and analysis of PI-fuzzy controller for temperature control system
JP2022151193A (ja) 装置、方法およびプログラム
WO2024101351A1 (ja) 装置、方法およびプログラム
US20230341828A1 (en) Control apparatus, control method, and non-transitory computer readable medium
CN117130300A (zh) 远程及本地控制装置、学习处理装置、方法、记录介质
CN109358511A (zh) 一种数据驱动的系统关键性能指标自适应调节方法
EP4053651A1 (en) Determination apparatus, determination method, and determination program
CN116796853A (zh) 模型验证装置、模型验证方法和非临时性计算机可读介质
EP4283412A1 (en) Model selection apparatus, model selection method, and model selection program
EP4280007A1 (en) Appparatus, method and program for monitoring a target device
JP7484382B2 (ja) 制御装置、制御方法および制御プログラム
Hernández Mesa et al. Experimental development of fuzzy controllers for thermal and pneumatic processes
US20230409928A1 (en) Estimation apparatus, estimation method, and non-transitory computer-readable medium
Slavov et al. Multiple non-linear model adaptive control of cultivation process: hardware-in-the-loop simulation of control system
CN116892972A (zh) 数据处理装置、数据处理方法以及记录介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination